KR101904690B1 - Project integration control memeth and system thereof - Google Patents

Abstract

The present invention relates to a method and a system for integrally controlling a project which can easily build a homepage by a general manager or even in small and medium-sized companies by generating a standard scenario necessary for managing and building a similar project performed later through various data generated by performing analysis, design, development, test, and delivery processes of a project to build a homepage required by an ordering company as requirements of a request for proposal and the ordering company are separated for each type for data accumulation, and a customer management system is utilized.

Description

프로젝트 통합 관제 방법 및 시스템{PROJECT INTEGRATION CONTROL MEMETH AND SYSTEM THEREOF} [0001] PROJECT INTEGRATION CONTROL MEMORY AND SYSTEM THEREOF [0002]

본 발명은 프로젝트 통합 관제 방법 및 시스템에 관한 것으로, 더욱 상세하게는 발주처의 제안요청서에 포함된 요구사항을 유형별로 분리하고 해당 데이터를 저장하고, 저장된 데이터를 딥 러닝을 이용하여 상기 발주처가 원하는 사이트를 구축 및 관리하는 프로젝트 통합 관제 방법 및 시스템에 대한 것이다.[0001] The present invention relates to a method and system for project integration control, and more particularly, to a project integration control method and system for dividing requirements included in a request of a client into types, storing corresponding data, And a method and system for project management and control.

인터넷의 확산과 더불어 해마다 엄청난 숫자의 새로운 인터넷 웹사이트가 생성되고 있다. 웹사이트란 월드와이드웹(WWW)의 화면 또는 WWW가 제공하는 화면의 총칭을 말한다. 웹사이트를 만들기 위해서 웹사이트 제작도구와 저장공간이 필요하다. 웹사이트 제작 프로그램으로는 나모인터렉티브에서 개발한 나모 웹에디터, 마이크로소프트의 프론트페이지와 매크로미디어의 드림위버 등이 잘 알려져 있다.With the proliferation of the Internet, a huge number of new Internet websites are being created every year. A Web site refers to the World Wide Web (WWW) screen or the WWW-provided screen. Web site creation tools and storage space are required to create a website. Namo web editor developed by Naomo Interactive, Microsoft's front page and Dreamweaver of Macromedia are well known as web site creation program.

일반적으로 웹사이트는 웹사이트에 제작에 대한 전문 지식이나 경험이 없는 통상의 인터넷 사용자들이 제작하기는 용이하지 않기 때문에, 웹사이트 제작을 전문으로 하는 업체에 의뢰하여 제작하고 있다.Generally, websites are not produced by ordinary Internet users who do not have expertise or experience in production on the website, so they are commissioned by a company specializing in website production.

그러나, 이 경우 웹사이트 제작에 너무 많은 비용과 시간이 소요되고, 제작된 웹사이트를 수정하거나 관리하기 위해서 별도의 용역이 필요한 문제점이 있었다.However, in this case, it takes a lot of time and cost to make a website, and there is a problem that a separate service is required to modify or manage the produced website.

또한, 포털 사이트와 같은 일부 웹사이트에서 자동으로 웹사이트를 제작하여 주는 서비스를 제공하고 있으나, 이러한 서비스는 사용자가 입력한 정보를 단순히 출력할 수 있는 단순한 기능의 웹페이지를 생성하는 수준에 불과하여, 웹사이트 제작에 경험이 없는 일반인이 다양한 기능의 웹사이트를 제작하기에는 어려움이 있었다.In addition, some web sites, such as portal sites, provide services that automatically create web sites, but these services are only a matter of creating a simple web page that can simply output the information entered by the user , It has been difficult for a general person who is not experienced in creating a website to produce a web site having various functions.

대한민국 등록특허 제 10-0972479호(기계학습을 통한 데이터베이스 생성 방법, 이를 이용한 콘텐츠 추천 방법 및 콘텐츠 추천 시스템)Korean Patent No. 10-0972479 (Method of Database Creation through Machine Learning, Contents Recommendation Method and Content Recommendation System Using the Machine Learning)

본 발명은 상기와 같은 문제점을 개선하기 위하여 발명된 것으로, 발주처 및 제안요청서 요구사항을 유형별 분리하여 데이터를 축적하고, 고객관리시스템을 활용하여, 발주처가 요구하는 홈페이지를 구축하기 위한 분석/설계/개발/테스트/납품까지의 프로젝트의 진행과정에서 나오는 각종 데이터를 통하여 추후 진행되는 유사 프로젝트의 관리 및 구축에 필요한 표준의 시나리오를 생성함으로써, 일반관리자 또는 중, 소 규모의 회사에서도 용이하게 홈페이지를 구축할 수 있는 프로젝트 통합 관제 방법 및 시스템을 제공하는 것이 목적이다.SUMMARY OF THE INVENTION The present invention has been made in order to solve the above-mentioned problems, and it is an object of the present invention to provide a method and system for analyzing / designing / analyzing a web site, By creating the standard scenarios necessary for the management and construction of similar projects to be carried out later through various data from the progress of the project from development / test / delivery, the general manager or small and medium sized companies can easily create a homepage And to provide a system and method of project management that can be done.

상기와 같은 목적을 달성하기 위하여, 본 발명은 발주처의 제안요청서에 포함된 요구사항을 유형별로 분리하고 해당 데이터를 저장하고, 저장된 데이터를 딥 러닝을 이용하여 상기 발주처가 원하는 사이트를 구축 및 관리하는 프로젝트 통합 관제 방법에 있어서, a) 제안 요청서 분석부에서 상기 제안 요청서를 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB에 저장하는 단계;와 b) 제안서 작성부에서 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하게 사업수행이 가능한지를 판단하고 사업수행이 가능하다고 판단되는 경우에, 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 단계;와 c) 사이트 딥러닝부에서 상기 제안서에 맞게 컨텐츠 모델링을 수행하여 상기 발주처의 사용자의 특징에 맞는 컨텐츠를 사이트 DB에서 선별하거나 생성하는 단계; 및 d) 사이트 생성 및 검증부에서 선별/생성된 컨텐츠를 이용하여 상기 발주처의 사용자의 특징에 맞는 사이트를 생성하고 가상의 사용자를 이용하여 머신 러닝을 반복적으로 수행하여 상기 사이트를 생성하고 상기 사이트를 검증하고 검증을 완료한 후에 상기 사이트를 납품 사이트로 업그레이드하는 단계;를 포함하는 프로젝트 통합 관제 방법을 제공한다.In order to accomplish the above object, the present invention provides a method and system for separating requirements included in a request form of a procurement by type, storing corresponding data, and building and managing a site desired by the orderer using deep running A project management method comprising the steps of: a) reviewing / analyzing the proposal request by the proposal request analyzing unit, classifying the procurement requirements requested by the procuring party by type, and storing the proposal in the proposal DB, and b) Determining whether the business execution is possible in accordance with the proposal DB by referring to the proposal DB, creating a proposal conforming to the proposal request with reference to the proposal DB when it is determined that the business can be performed, and c) The deep learning unit performs content modeling in accordance with the proposal, The steps to make the content fit the selected features or create a site DB; And d) generating a site matching the characteristics of the user of the client using the content selected / generated by the site generating and verifying unit and repeatedly performing machine learning using the virtual user to generate the site, And upgrading the site to a delivery site after the verification and verification is completed.

여기서, 상기 a) 단계는, 상기 제안서가 선정되지 못한 경우에, 해당 제안서의 평가 방법, 배점 기준을 분석하여 해당 제안서가 선정되지 못한 원인을 분석하여 상기 제안서 DB에 저장하고, 상기 b) 단계는 차후에 상기 발주처 또는 상기 제안 요청서와 유사한 사업을 수행하기 위해 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 경우에, 상기 선정되지 못한 원인을 우선적으로 고려하여 상기 제안서를 작성하는 것을 특징으로 할 수 있다.In the step a), when the proposal is not selected, the evaluation method and the criteria of the proposal are analyzed to analyze the reason why the proposal is not selected and stored in the proposal DB, and the step b) When a proposal conforming to the proposal request is created with reference to the proposal DB to perform a business similar to the procurement requester or the proposal request later, the proposal is prepared with preference to the non-selected cause .

여기서, 상기 제안서 DB는 상기 발주처를 업종별, 기관별, 기능적 요구사항별로 구분하여 분류하여 저장하고 있으며, 사업 수행사의 회사 정보와 인력 정보가 저장되어 있고, 상기 사이트 DB는 사이트 구축에 필요한 데이터가 상기 발주처의 업종별, 기관별, 기능적 요구사항별로 구분되어 저장되어 있는 것을 특징으로 할 수 있다.Here, the proposal DB classifies and stores the procurement by type of business, institution, and functional requirement, and stores company information and manpower information of the business number event, and the site DB stores data It can be characterized that it is stored separately for each business type, institution, and functional requirement of the client.

여기서, 상기 b) 단계는, 상기 제안 요청서의 내용을 사업 수행사의 수행 능력과 비교 분석하여 상기 사업 수행사의 상기 회사 정보, 상기 인력 정보 및 요구 금액이 상기 제안 요청서의 내용에 부합하는 경우에, 상기 발주처의 제안서 포맷에 맞춰 상기 회사 정보 및 상기 인력 정보를 해당 항목에 자동으로 입력하여 상기 제안서를 작성하는 것을 특징으로 할 수 있다.Here, if the company information, the workforce information, and the requested amount of the business event are in conformity with the contents of the proposal request, the step b) , And automatically creates the proposal by inputting the company information and the manpower information to the corresponding item automatically in accordance with the proposal format of the client.

여기서, 상기 컨텐츠 모델링은 최근 6개월치의 데이터를 이용하여 상기 발주처의 업종별, 기관별, 요구사항별, 평가항목 데이터별로 상기 사이트 DB의 데이터를 바이너리 데이터 포맷의 일종인 티에프레코드(TFRecord) 파일 포맷의 입력 데이터로 이용하고, 상기 사이트의 DB중 기본 항목 특징인 업종별, 기관별, 요구사항별, 평가항목은 임베딩(Embedding) 처리를 수행하고, 문장 특징인 설명(description)이 요구되는 항목은 순환신경망(RNN : Recurrent Neural Network) 처리를 수행하여 상기 발주처의 사용자의 취향에 맞게 컨텐츠를 추출 및 생성하고 이를 평가 및 모니터링하는 것을 특징으로 할 수 있다.Here, the content modeling may be performed by inputting the data of the site DB into the TFRecord file format, which is a kind of binary data format, for each business type, organization, requirement, and evaluation item data of the client using the data of the last six months Data is used as data and an item of evaluation of each business type, institution, and requirement, which is a basic item characteristic of the DB of the site, is embedding processing. Items for which a description characterizing a sentence is required are called a circular neural network (RNN) : Recurrent Neural Network) processing to extract and generate contents according to the taste of the user of the client, and evaluate and monitor the contents.

여기서, 상기 d) 단계는, 생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하여 사이트 검증모듈 및 사이트 생성모듈을 생성하고, 상기 사이트 검증모듈은 상기 가상의 사용자를 통해 상기 사이트 생성모듈이 생성한 N차 사이트를 검증하고 상기 사이트 생성모듈은 상기 가상의 사용자가 만족할 N+1차 사이트를 생성하는 과정을 N회 반복하여, 상기 N+1차 사이트를 최적의 사이트로 생성하는 것을 특징으로 할 수 있다.Here, in the step d), a site verification module and a site generation module are generated using a generative adversarial network (GAN), and the site verification module generates the site verification module The N + 1 th site is verified and the site creation module repeats the process of generating the N + 1 th site to be satisfied by the virtual user N times to generate the N + 1 th site as an optimal site .

또한, 발주처의 제안요청서에 포함된 요구사항을 유형별로 분리하고 해당 데이터를 저장하고, 저장된 데이터를 딥 러닝을 이용하여 상기 발주처가 원하는 사이트를 구축 및 관리하는 프로젝트 통합 관제 시스템에 있어서, 발주처의 제안요청서에 포함된 요구사항을 유형별로 분류하여 저장하고, 작성한 제안서 및 상기 작성한 제안서의 항목을 상기 제안요청서에 대응하는 항목별로 매칭하여 저장하고, 상기 발주처를 업종별, 기관별, 기능적 요구사항별로 구분하여 분류하여 저장하고 있으며, 사업 수행사의 회사 정보와 인력 정보가 저장되어 있는 제안서 DB;와 상기 사이트 구축에 필요한 데이터가 상기 발주처의 업종별, 기관별, 기능적 요구사항별로 구분되어 저장되어 있는 사이트 DB;와 상기 발주처의 상기 제안 요청서를 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB에 저장하는 제안요청서 분석부;와 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하게 사업수행이 가능한지를 판단하고 사업수행이 가능하다고 판단되는 경우에, 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 제안서 작성부;와 상기 제안서에 맞게 컨텐츠 모델링을 수행하여 상기 발주처의 사용자의 특징에 맞는 컨텐츠를 상기 사이트 DB에서 선별하거나 생성하는 사이트 딥러닝부; 및 상기 사이트 생성 및 검증부에서 선별/생성한 컨텐츠를 이용하여 상기 발주처의 사용자의 특징에 맞는 사이트를 구축하고 가상의 사용자를 이용하여 머신 러닝을 반복적으로 수행하여 검증하고 검증이 완료된 사이트를 납품 사이트로 업그레이드하는 사이트 생성 및 검증부;를 포함하는 프로젝트 통합 관제 시스템이 제공된다.The present invention also provides a project integration control system for separating requirements included in a request for proposals of a client into types and storing corresponding data and building and managing a site desired by the client using deep running of the stored data, And stores the created proposal and the created proposal item by matching them for each item corresponding to the proposal request form and stores the procurement item by the type of industry, A site DB in which a proposal DB in which company information and manpower information of a business event event are stored and data necessary for building the site are separately stored for each business type, institution, and functional requirement of the ordering client; Review / analyze the request for proposals of the ordering party, A proposal request analyzer for classifying the order requesters required by the proposal DB into the proposal DB and a proposal DB analyzing unit for determining whether the proposal can be performed in accordance with the proposal request by referring to the proposal DB, A proposal creating unit for creating a proposal conforming to the proposal request with reference to the proposal DB, and a site selecting unit for selecting content from the site DB by performing content modeling in accordance with the proposal, A deep running portion; And a step of constructing a site matching the characteristics of the user of the client using the content selected / generated by the site creation and verification unit, repeatedly performing machine learning using a virtual user, verifying the site, And a site creation and verification unit for upgrading the site to a new site.

여기서, 상기 사이트 생성 및 검증부는, 상기 가상의 사용자를 통해 상기 사이트를 검증하는 사이트 검증모듈; 및 상기 가상의 사용자가 만족할 사이트를 생성하는 사이트 생성모듈;을 포함하고 있어, 상기 사이트 검증모듈과 상기 사이트 생성모듈은 생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하여 서로 경쟁적으로 작용하여 상기 발주처가 원하는 최적의 사이트를 구축하는 것을 특징으로 할 수 있다.Here, the site creation and verification unit may include a site verification module that verifies the site through the virtual user; And a site generation module for generating a site to be satisfied by the virtual user, wherein the site verification module and the site generation module compete with each other using a generative adversarial network (GAN) And constructing an optimal site desired by the client.

본 발명은 기존의 저장된 데이터를 딥 러닝을 이용하여 발주처가 요구하는 홈페이지를 생성 및 관리할 수 있어, 소수의 인원으로 고품질의 다양한 시스템을 개발 및 구축이 가능한 효과가 있다.The present invention is capable of creating and managing a home page required by a client using deep running of existing stored data, thereby enabling various systems of high quality to be developed and constructed with a small number of personnel.

또한, 본 발명은 전문가 없이도 발주처가 요구하는 홈페이지를 프로젝트 통합 관제 방법 및 시스템을 이용하여 구축이 가능하여 프로젝트에 들어가는 시간 및 인건비를 절감할 수 있는 효과가 있다.In addition, the present invention has the effect of reducing the time and labor costs required for a project, since a homepage requested by a client without an expert can be constructed using a project integration control method and system.

도 1은 본 발명의 일 실시예로, 프로젝트 통합 관제 방법 및 시스템을 이용하여 발주처의 홈페이지를 구축하는 것을 개략적으로 나타낸 도면이다.
도 2는 본 발명의 일 실시예로, 발주처의 요청에 따른 제안서를 작성하고 발주처의 요청에 맞는 홈페이지를 구축하는 방법을 나타낸 도면이다.
도 3은 본 발명의 일 실시예로, 프로젝트 통합 관제 시스템의 구성을 도시한 도면이다.1 is a diagram schematically illustrating construction of a homepage of a client using a project integration control method and system according to an embodiment of the present invention.
2 is a diagram illustrating a method of creating a proposal according to a request of a client and constructing a homepage according to a request of the client, according to an embodiment of the present invention.
3 is a diagram illustrating a configuration of a project integration control system according to an embodiment of the present invention.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시 예를 참조하면 명확해질 것이다.BRIEF DESCRIPTION OF THE DRAWINGS The advantages and features of the present invention, and how to accomplish them, will become apparent by reference to the embodiments described in detail below with reference to the accompanying drawings.

그러나, 본 발명은 이하에서 개시되는 실시 예로 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.However, the present invention is not limited to the embodiments disclosed below, but may be embodied in various forms.

본 명세서에서 본 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.The present embodiments are provided so that the disclosure of the present invention is thoroughly disclosed and that those skilled in the art will fully understand the scope of the present invention.

그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다.And the present invention is only defined by the scope of the claims.

따라서, 몇몇 실시 예에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.Thus, in some embodiments, well known components, well known operations, and well-known techniques are not specifically described to avoid an undesirable interpretation of the present invention.

또한, 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하고, 본 명세서에서 사용된(언급된) 용어들은 실시 예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.In addition, throughout the specification, like reference numerals refer to like elements, and the terms (mentioned) used herein are intended to illustrate the embodiments and not to limit the invention.

본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함하며, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.In this specification, the singular forms include plural forms unless the context clearly dictates otherwise, and the constituents and acts referred to as " comprising (or having) " do not exclude the presence or addition of one or more other constituents and actions .

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.Unless defined otherwise, all terms (including technical and scientific terms) used herein may be used in a sense commonly understood by one of ordinary skill in the art to which this invention belongs.

또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.Also, commonly used predefined terms are not ideally or excessively interpreted unless they are defined.

이하, 첨부된 도면을 참고로 본 발명의 바람직한 실시 예에 대하여 설명한다.Hereinafter, preferred embodiments of the present invention will be described with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예로, 프로젝트 통합 관제 방법 및 시스템을 이용하여 발주처의 홈페이지를 구축하는 것을 개략적으로 나타낸 도면이다.1 is a diagram schematically illustrating construction of a homepage of a client using a project integration control method and system according to an embodiment of the present invention.

먼저, 발주처가 시스템 통합구축 사업을 발주하면, 사업 수행사(제작사)는 해당 발주처(민간, 공공기관)의 제안 요청서(RFP : Request For Proposal)를 분석한다.First, when a client orders a system integration construction project, a business event (producer) analyzes RFP (Request For Proposal) of the client (private or public institution).

제안 요청서에는 발주처의 해당 과제의 제목, 목적 및 목표, 내용, 기대성과, 수행기간, 금액(Budget), 참가자격, 제출서류 목록, 요구사항, 제안서 목차, 평가 기준 등의 내용이 포함된다.The proposal request includes the title, purpose and goal of the project, contents, expected performance, duration, budget, qualification, list of submitted documents, requirements, proposal table, and evaluation criteria.

사업 수행사(제작사)는 발주처의 제안 요청서를 분석하여 사업의 참여 타당성을 검토하여 사업 참여 여부를 결정한다. 이 과정에서 사업 수행사(제작사)는 제안 요청서에 포함된 업종별(한국표 준산업분류), 기관별(정부 조직 정보), 기능적 요구사항별(장비, 기능, 성능, 인터페이스, 데이터, 테스트, 보안, 품질, 제약, 관리, 지원, 컨설팅) 데이터 등을 분류하고 이를 제안서 DB(110)에 저장할 수 있도록 가공하여 저장한다.The business event (producer) analyzes the proposal request of the client and reviews the feasibility of the project to determine whether to participate in the project. In this process, a business event (producer) can be classified into three categories according to the type of industry (Korean Standard Industrial Classification), institution (government organization information), functional requirements (equipment, function, performance, interface, data, Quality, constraint, management, support, consulting) data, etc., and stores the processed data so that it can be stored in the proposal DB 110.

여기서, 사업 수행사(제작사)는 주관사업자 선정이 안되었을 경우 탈락 사유(제안서 평가항목 및 배점 기준 등)의 분석 자료를 제안서 DB(110)에 추가로 저장하여, 제안서 DB(110)를 참조하여 유사 프로젝트 참여시 제안서 작성에 이용한다.Here, when the business enterprise (producer) has not selected a main business operator, analysis data of reasons for dropout (proposal evaluation items and distribution criteria, etc.) are additionally stored in the proposal DB 110 and referenced to the proposal DB 110 It is used to create a proposal when participating in similar projects.

사업 수행사(제작사)가 주관사업자로 선정이 되었을 경우에 선정된 제안서의 내용을 제안서 DB(110)에 분류하여 저장한다.When the business activity event (production company) is selected as the main business entity, the content of the selected proposal is classified and stored in the proposal DB 110.

사업 수행사(제작사)가 주관사업자로 선정된 이후에는 사업 수행사가 제출한 제안서를 바탕으로 발주처의 사용자의 특성(니즈)에 맞는 사이트를 구축한다.After the business event (production company) is selected as the main business, based on the proposal submitted by the business activity event, the site that meets the characteristics (needs) of the user of the client is constructed.

사이트 구축을 위해서 사업 수행사(제작사)는 사이트 구축에 필요한 데이터를 사이트 DB(120)에 분류하여 저장한다.In order to build a site, a business event (manufacturer) classifies and stores data necessary for building a site in the site DB 120.

즉, 제안 사업별 분류를 통해 제안서 작성에 필요한 데이터는 제안서 DB(110)에 저장하고 구축 데이터별 분류를 통해 사이트 구축에 필요한 데이터는 사이트 DB(120)에 저장한다.That is, the data necessary for creating the proposal through the proposal business classification is stored in the proposal DB 110 and the data necessary for the site construction is stored in the site DB 120 through classification according to the construction data.

이후 사업 수행사(제작사)는 딥 러닝 알고리즘을 이용하여 사이트 구축에 필요한 데이터를 사이트 DB(120)으로부터 선별하거나 사이트 DB(120)에 저장된 데이터를 이용하여 생성한다.Thereafter, the business event (producer) selects data necessary for site construction from the site DB 120 or generates data using the data stored in the site DB 120 using a deep learning algorithm.

또한, 사업 수행사(제작사)는 딥 러닝 알고리즘을 통해 사이트 구축에 필요한 데이터를 이용하여 발주처 사용자의 특징에 부합하는 사이트를 생성 및 구축한다.In addition, a business event (producer) creates and constructs a site that meets the characteristics of the user of the order using the data necessary for site construction through the deep learning algorithm.

여기서, 본 발명의 프로젝트 통합 관제 시스템(100)은 생성한 사이트를 자체적으로 반복적으로 검증하여 최적의 사이트로 업데이트 할 수 있으며, 사업 수행사(제작사)의 참여인력이 프로젝트 통합 관제 시스템(100)을 통해 생성된 사이트를 검증 및 업데이트 할 수도 있다.Here, the project integration control system 100 of the present invention can repeatedly verify the generated site itself and update it to the optimal site, and the participating personnel of the project business event (production company) You can also verify and update the generated sites.

이러한 사이트 검증 및 업데이트 과정을 반복하여 최적의 사이트를 생성하여 구축하고 이를 발주처에 납품한다.We repeat the site verification and update process to create an optimal site, build it, and deliver it to the client.

도 2는 본 발명의 일 실시예로, 발주처의 요청에 따른 제안서를 작성하고 발주처의 요청에 맞는 홈페이지를 구축하는 방법을 나타낸 도면이다.2 is a diagram illustrating a method of creating a proposal according to a request of a client and constructing a homepage according to a request of the client, according to an embodiment of the present invention.

S101 단계는 발주처가 발주한 프로젝트에 대한 제안 요청서를 제안 요청서 분석부(130)에서 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB(110)에 저장하는 단계이다.
발주처의 제안요청서에 포함되는 요구사항은 발주처가 원하는 사이트에 대한기능 요구사항, 성능 요구사항, 인터페이스 요구사항, 데이터 요구사항, 보안 요구사항, 품질 요구사항 등 다양한 요구사항을 포함할 수 있으며, 제안서 DB(110)는 이와 같은 다양한 요구사항을 유형별로 분류하여 저장하고 있다. 이와 같은 다양한 요구사항은 소프트웨어 사업에 관련된 제안요청서 작성시 일반적으로 포함되는 내용이다. 발주처의 제안요청서에 포함되는 요구사항은 발주처의 요구사항과 같은 의미이다.In step S101, the proposal request analyzer 130 analyzes / analyzes the proposal request for the project ordered by the procurer, classifies the requester requirements requested by the procurer, and stores the proposal in the proposal DB 110.
The requirements contained in the request for proposal of the client may include various requirements such as functional requirement, performance requirement, interface requirement, data requirement, security requirement, and quality requirement for the desired site of the client, The DB 110 categorizes and stores such various types of requirements. These various requirements are generally included in the request for proposals related to the software business. The requirements contained in the request for proposals of the ordering party are the same as those of the ordering party.

S102 단계는 제안서 작성부(140)에서 제안서 DB를 참조하여 사업 수행사(제작사)가 상기 제안 요청서에 부합하게 사업수행이 가능한지를 판단하고 사업수행이 가능하다고 판단되는 경우에, 제안서 DB(110)를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 단계이다.In step S102, the proposal creation unit 140 refers to the proposal DB to determine whether or not the project number event (producer) can perform the project in accordance with the proposal request. If it is determined that the project can be performed, And creates a proposal conforming to the proposal request.

제안서 DB(110)에는 발주처의 업종별, 기관별, 분야별, 기능별로 해당하는 데이터가 분류되어 저장되어 사업 수행사의 회사 정보와 과거에 수행한 프로젝트의 제안서 데이터가 발주처의 특징에 맞게 항목별로 분류되어 저장되어 있다.The proposal DB 110 stores the data corresponding to the order, the organization, the sector, and the function of the client in a classified manner and stores the company information of the business number event and the proposal data of the project performed in the past according to the characteristics of the orderer .

따라서, 제안서 작성부(140)는 발주처의 제안 요청서를 분석하여 분석된 항목을 제안서 DB(110)에 저장된 항목과 비교 분석하면, 상기 제안 요청서를 만족하는 제안서를 자동으로 생성할 수 있다.Accordingly, the proposal creation unit 140 can automatically generate a proposal satisfying the proposal request, by analyzing the proposal request of the proposal and analyzing the analyzed item with the item stored in the proposal DB 110. [

즉, 제안 요청서의 내용을 사업 수행사의 수행 능력과 비교 분석하여 상기 사업 수행사의 상기 회사 정보, 상기 인력 정보 및 요구 금액이 상기 제안 요청서의 내용에 부합하는 경우에, 발주처의 제안서 포맷에 맞춰 회사 정보(사업 수행사) 및 사업 수행사의 인력 정보를 해당 항목에 자동으로 입력하여 상기 제안서를 작성한다.In other words, when the contents of the proposal request are compared with the performance capability of the business number event and the company information, the workforce information, and the requested amount of the business number event meet the contents of the proposal request, The company information (business number event) and the business number information of the event are automatically entered into the corresponding item to create the proposal.

여기서, 차후에 상기 발주처 또는 상기 제안 요청서와 유사한 사업을 수행하기 위해 제안서 DB(110)를 참조하여 제안 요청서에 부합하는 제안서를 작성하는 경우에, 선정되지 못한 원인을 우선적으로 고려하여 제안서를 작성하도록 한다.Hereinafter, when a proposal conforming to the proposal request is made by referring to the proposal DB 110 to perform a business similar to the procurement requester or the proposal request, the proposal is firstly taken into consideration in consideration of the cause of the failure .

S103 단계는 사업 수행사가 작성한 제안서를 발주처에 제출하고 제출한 제안서가 선정되었는지를 판단하는 단계이다.Step S103 is a step of submitting the proposal prepared by the business activity event to the orderer and judging whether or not the proposal has been selected.

S104 단계는 상기 제안서가 선정되지 못한 경우에, 해당 제안서의 평가 방법, 배점 기준을석하여 해당 제안서가 선정되지 못한 원인을 분석하여 제안서 내용을 검토/수정하여 제안서 DB(110)에 저장하는 단계이다.In step S104, if the proposal is not selected, the evaluation method and evaluation criteria of the proposal are analyzed to analyze the reason why the proposal is not selected, and the content of the proposal is reviewed / corrected and stored in the proposal DB 110 .

S104 단계를 수행함으로써, 본 발명의 프로젝트 통합 관제 방법 및 시스템은 차후에 동일하거나 유사한 프로젝트를 지원하는 경우에 보다 선정될 확률이 높은 제안서를 작성할 수 있다.By performing step S104, the project integration control method and system of the present invention can create a proposal with a higher probability of being selected in the case of supporting the same or similar project in the future.

S105 단계는 사이트 구축에 필요한 컨텐츠를 선별하거나 생성하는 단계이다.Step S105 is a step of selecting or generating contents necessary for site construction.

즉, 사이트 딥러닝부(150)에서 제안서에 맞게 컨텐츠 모델링을 수행하여 상기 발주처의 사용자의 특징에 맞는 컨텐츠를 사이트 DB(120)에서 선별하거나 사이트 DB(120)의 데이터를 이용하여 생성하는 단계이다.That is, the site deep processing unit 150 performs content modeling in accordance with the proposal to select contents matching the characteristics of the user of the client at the site DB 120 or using the data of the site DB 120 .

S106 단계는 상기 발주처의 사용자의 특징에 맞는 사이트를 생성하는 단계이다. Step S106 is a step of creating a site that matches the characteristics of the user of the client.

사이트 생성 및 검증부(160)는 생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하는 사이트 검증모듈 및 사이트 생성모듈을 포함하고 있으며, 사이트 생성모듈은 발주처의 사용자의 특징에 맞는 사이트를 생성한다.The site creation and verification unit 160 includes a site verification module and a site generation module that use a generative adversarial network (GAN), and the site generation module creates a site that matches the characteristics of the user of the client.

S107 단계는 생성한 사이트를 검증하는 단계이다.Step S107 is a step of verifying the generated site.

사이트 생성 및 검증부(160)의 사이트 검증모듈은 사이트 생성모듈이 생성한 사이트를 검증하여 버그나 수정할 사항이 있는지를 알아낸다.The site verification module of the site generation and verification unit 160 verifies the site generated by the site generation module to find out whether there is a bug or something to be corrected.

S108 단계는 사이트 검증모듈의 사이트 검증 결과 해당 사이트에 버그가 많거나 수정될 사항이 많이 발견된 경우에 검증을 통과하지 못한 것으로 판단하고, 발견된 버그나 수정될 사항을 사이트 생성모듈에 알려주어 사이트 생성모듈이 이전에 생성한 사이트를 업그레이드하는 단계이다.In step S108, it is determined that the site verification module does not pass the verification in the case where a lot of bugs are found or a lot of bugs are found in the site, and the site generation module is informed of the bugs or the items to be corrected. The generation module is a step of upgrading the site previously generated.

이러한 사이트 생성 및 검증을 반복적으로 수행함으로써 버그나 수정할 사항이 허용할 수 있는 범위내에서 발견되는 경우에는 사이트를 최적의 사이트로 판단하고 발주처에 납품한다(S109).If it is found that the site is found to be within an allowable range by bug or correction by repeatedly generating and verifying the site, the site is determined as an optimal site and delivered to the client (S109).

이러한 사이트 검증을 위해서 사이트 검증모듈은 사이트를 이용하는 가상의 사용자를 생성하여 가상의 사용자를 통해 사이트를 이용하여 버그나 수정될 사항을 찾아낸다.To verify the site, the site verification module creates a virtual user who uses the site, and uses the site through the virtual user to find a bug or a problem to be corrected.

즉, 사이트 검증모듈은 가상의 사용자를 통해 사이트 생성모듈이 생성한 N차 사이트를 검증하고 사이트 생성모듈은 가상의 사용자가 만족할 N+1차 사이트를 생성하는 과정을 N회 반복하여, 최종적으로 N+1차 사이트를 최적의 사이트로 생성한다.That is, the site verification module verifies the N-th site generated by the site creation module through the virtual user, and the site creation module repeats the process of generating the N + 1th site satisfying the virtual user N times, Create an optimal site for the primary site.

이러한 사이트의 반복적인 검증과 업그레이드를 위해서 사이트 생성모듈과 사이트 검증모듈은 생성적 적대 신경망(GAN : Generative Adversarial Network) 알고리즘을 이용하여 서로 경쟁적으로 사이트를 생성 및 검증한다.For repeated verification and upgrading of these sites, the site creation module and the site verification module compete with each other using generative adversarial network (GAN) algorithm.

여기서, N은 자연수로 사이트를 보다 최적으로 생성하여 구축하기 위해서는N을 보다 큰 수로 선정하고, 사이트 생성 및 구축을 빠른 시간 내에 수행하기 위해서는 N을 작은 수로 선정한다.In this case, N is a larger number in order to generate and construct a site more optimally with a natural number, and N is selected in a smaller number in order to perform site creation and construction in a short time.

본 발명의 사이트 검증 횟수인 N은 사업 수행사의 인력수, 프로젝트의 기간,프로젝트의 발주처의 요구사항에 따라 해당 상항에 맞게 선정된다.The number N of site verifications according to the present invention is selected according to the number of manpower events, the duration of the project, and the requirements of the project client.

도 3은 본 발명의 일 실시예로, 프로젝트 통합 관제 시스템의 구성을 도시한 도면이다.3 is a diagram illustrating a configuration of a project integration control system according to an embodiment of the present invention.

본 발명의 프로젝트 통합 관제 시스템(100)은 제안서 DB(110), 사이트 DB(120), 제안요청서 분석부(130), 제안서 작성부(140), 사이트 딥러닝부(150) 및 사이트 생성 및 검증부(160)를 포함한다.The project integration control system 100 of the present invention includes a proposal DB 110, a site DB 120, a proposal request analysis unit 130, a proposal creation unit 140, a site deep processing unit 150, (160).

제안서 DB(110)는 발주처의 제안요청서에 포함된 요구사항을 유형별로 분류하여 저장하고 있다. 또한, 사업 수행사가 작성한 제안서를 저장하고 있으며, 작성한 제안서의 항목을 상기 제안요청서에 대응하는 항목별로 매칭하여 저장하고 있다. 또한, 상기 발주처를 업종별, 기관별, 기능적 요구사항별로 구분하여 분류하여 저장하고 있다. 또한, 사업 수행사의 회사 정보와 제안서 작성에 필요한 정보(예를 들어, 인력 정보, 사업 수행 정보 등)를 저장하고 있다.The proposal DB 110 classifies and stores the requirements included in the proposal request of the client. In addition, the proposal created by the business activity event is stored, and the created proposal item is matched and stored for each item corresponding to the proposal request form. Further, the clients are classified and stored according to industry, institution, and functional requirements. In addition, it stores company information of business events and information (eg, manpower information, business performance information, etc.) necessary for creating a proposal.

사이트 DB(120)는 사이트 구축에 필요한 데이터를 상기 발주처의 업종별, 기관별, 기능적 요구사항별로 구분하여 저장하고 있다.The site DB 120 stores data necessary for site construction separately according to the type of business, institution, and functional requirement of the client.

제안요청서 분석부(130)는 발주처의 제안 요청서를 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB(110)에 저장한다.The proposal request analyzing unit 130 analyzes / analyzes the proposal request of the procuring unit, classifies the order requester requested by the procuring unit according to the type, and stores it in the proposal DB 110. [

또한, 제안요청서 분석부(130)는 발주처의 제안 요청서를 검토/분석하여 사업 수행사가 제안 요청서의 요구에 맞게 사업을 진행할 수 있을지를 분석한다.In addition, the proposal request analyzer 130 analyzes / analyzes the proposal request of the client and analyzes whether the proposal business can proceed with the proposal request.

즉, 제안요청서 분석부(130)는 발주처의 제안 요청서를 사업 수행사의 경력과 능력을 비교하여 검토/분석하여 사업 수행사의 발주처의 제안 요청 사업을 수행할 수 있을지를 분석한다.That is, the proposal request analyzer 130 analyzes whether or not the proposal request of the client can be performed by comparing the experience and ability of the proposal business with the proposal request of the proposal client.

제안서 작성부(140)는 제안서 DB(110)를 참조하여 사업 수행사가 발주처의 제안 요청서에 부합하게 사업수행을 할 수 있을지를 판단하고, 사업수행이 가능하다고 판단되는 경우에, 제안서 DB(110)를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성한다.The proposal creation unit 140 refers to the proposal DB 110 to determine whether or not the business number event can be performed in accordance with the proposal request form of the procurement provider. If it is determined that the business can be performed, ), And creates a proposal conforming to the proposal request.

여기서, 제안서 작성부(140)는 제안 요청서의 내용을 사업 수행사의 수행 능력과 비교 분석하여 사업 수행사의 회사 정보, 인력 정보 및 사업 수행사가 원하는 요구 금액이 상기 제안 요청서의 내용에 부합하는 경우에, 발주처의 제안서 포맷에 맞춰 사업 수행사의 회사 정보 및 인력 정보 등을 해당 항목에 자동으로 입력하여 제안서를 작성한다. Here, the proposal writing unit 140 compares the content of the proposal request with the performance capability of the business number event, and compares the company information, the workforce information and the business number of the business number event to the content of the proposal request In this case, the proposal is created by automatically inputting the company information and manpower information of the business number event into the corresponding item in accordance with the order of the proposal of the orderer.

여기서, 제안서 작성부(140)에서 작성된 제안서는 사업 수행사의 담당자가 좀더 검토를 수행하여 수정 및 보완작업을 통해 완벽한 제안서로 업그레이드 할 수 있다.Here, the proposal created by the proposal creation unit 140 can be upgraded to a complete proposal through the revision and supplementation work by the person in charge of the project number event.

사이트 딥러닝부(150)는 상기 제안서에 맞게 컨텐츠 모델링을 수행하여 발주처의 사용자의 특징에 맞는 컨텐츠를 사이트 DB(120)에서 선별하거나 생성한다.The site deep processing unit 150 performs content modeling in accordance with the proposal and selects or generates content from the site DB 120 according to the characteristics of the user of the client.

이를 위해서, 사이트 딥러닝부(150)는 인공지능의 딥 러닝을 이용하는 컨텐츠 모델링을 수행한다.To this end, the site deep running unit 150 performs content modeling using deep learning of artificial intelligence.

컨텐츠 모델링은 다음과 같은 방법에 따라 수행된다.Content modeling is performed according to the following method.

먼저, 발주처의 업종별, 기관별, 요구사항별, 평가항목 데이터별로 최근 6개월치의 데이터를 사이트 DB(120)에 저장한다. 이는 사이트 구축시 최신의 데이터를 이용하여 사이트를 구축하기 위함이다.First, the latest six months worth of data are stored in the site DB 120 for each type of industry, institution, requirement, and evaluation item data of the client. This is to build the site using the latest data when building the site.

여기서, 사이트 DB(120)에 저장하는 데이터를 TFRocord 파일 포맷의 입력 데이터로 저장한다.Here, the data stored in the site DB 120 is stored as input data in the TFRocord file format.

TFRecord 파일 포맷은 텐서플로우의 학습 데이타 등을 저장하기 위한 바이너리 데이타 포맷이다. 예를 들어, 구글의 Protocol Buffer포맷으로 데이타를 파일에 Serialize 하여 저장한다.The TFRecord file format is a binary data format for storing learning data of the tensor flow. For example, Google's Protocol Buffer format is used to serialize data to a file.

기존의 CSV 파일은 숫자나 텍스트 데이타를 이용하는 경우에는 큰 문제가없다. 그러나, 이미지 데이타를 이용하는 경우에 이미지는 JPEG나 PNG 형태의 파일로 저장되어 있고 이에 대한 메타 데이타와 라벨은 별도의 파일에 저장되어 있기 때문에, CSV 파일은 이러한 이미지 데이타를 이용하는 경우에는 라벨용 파일 하나만 읽는 것이 아니라 이미지 파일도 별도로 읽어야 하기 때문에, 코드가 복잡해진다. 또한, 이미지를 JPG나 PNG 포맷으로 읽어서 매번 디코딩을 하게 되면, 학습단계에서 데이타를 읽는 부분에서 많은 성능 저하가 발생한다. 이러한 이유로 개발의 편리성과 데이터 처리 속도의 향상을 위해서 본 발명에서는 사이트 DB(120)에 저장하는 데이터는 TFRecord 파일 포맷을 이용하는 것이 좋다.Existing CSV files are not a big problem when using numeric or text data. However, when image data is used, the image is stored as a JPEG or PNG file, and the metadata and label are stored in a separate file. Therefore, when using this image data, the CSV file has only one file The code is complicated because you have to read the image file separately instead of reading it. Also, if the image is read in JPG or PNG formats and decoded every time, there is a lot of performance degradation in the data reading part in the learning stage. For this reason, in order to improve the convenience of development and the data processing speed, it is preferable to use the TFRecord file format for the data stored in the site DB 120 in the present invention.

이후 사이트 DB(120)에 저장된 데이터를 이용하여 상기 발주처의 사용자의 특징에 맞는 컨텐츠를 선별하거나 생성한다.And then selects or generates contents matching the characteristics of the user of the client using the data stored in the site DB 120. [

여기서, 사이트의 DB(120)에 저장된 데이터 중 기본 항목 특징인 업종별, 기관별, 요구사항별, 평가항목은 Embedding 처리를 수행하고, 문장 특징인 설명(description)이 요구되는 항목은 순환신경망(RNN : Recurrent Neural Network) 처리를 수행하여 상기 발주처의 사용자의 취향에 맞게 컨텐츠를 추출 및 생성하여 발주처의 사용자의 특징에 맞는 컨텐츠를 선별하거나 생성한다.Here, the items of the items stored in the DB 120 of the site are embedding processing items for each type of industry, institution, and requirement, which are basic items, and items for which the description of the sentence is required are called the RNN Recurrent Neural Network (hereinafter referred to as " Recurrent Neural Network ") processing for extracting and generating contents according to the preference of the user of the client and selecting or generating contents matching the characteristics of the client of the client.

컨텐츠 모델링을 보다 상세히 설명하면 다음과 같다.Content modeling will be described in more detail as follows.

먼저 사이트 구축에 필요한 데이터를 담을 tensor(간단하게 vector로 생각하면 된다)들을 이용하여 데이터의 흐름(input 부터 back propagation 까지)을 정의하는 그래프를 만들고 그래프의 흐름에 따라 데이터를 추출 또는 생성한다.First, we create a graph that defines the flow of data (from input to back propagation) by using a tensor (simply think of it as a vector) to hold the data necessary for site construction and extract or generate data according to the flow of the graph.

ㆍ Objectiveㆍ Objective

컨텐츠의 추천 로직은 기본적으로 발주처의 사이트를 이용할 사용자의 취향에 맞게 ordering 을 하는 것이 목표이다. 사용자의 취향은 여러 방식으로 정의할 수 있지만, 본 발명에서는 사용자의 컨텐츠 클릭 여부로 결정한다. 사용자/컨텐츠 정보를 input 으로 하여 딥 러닝 neural network 가 사용자가 최종적으로 컨텐츠를 클릭할 확률을 계산하도록 한다.The purpose of the recommendation logic of contents is basically ordering according to the taste of the user who uses the client's site. The user's taste can be defined in various ways, but in the present invention, it is determined whether or not the user clicks the content. Deep learning by inputting user / content information Let the neural network calculate the probability that the user will finally click on the content.

ㆍ Inputㆍ Input

일별로 구분된 training data set 을 랜덤하게 섞어서 모델에 feed 할 수 있도록 컨텐츠 모델링에서는 shuffle_batch 함수를 사용한다. 상술한 바와 같이 사이트 DB(120)에 저장되는 컨텐츠 생성에 필요한 input 파일들을 TFRecord 포맷으로 저장한다. 이는 binary 포맷이라서 일반 csv/text 파일보다 월등히 빠르기 때문이다. 컨텐츠 모델링의 batching은 queue/dequeue 방식을 사용한다.The shuffle_batch function is used in content modeling so that we can randomly mix training data sets divided into daily and feed them to the model. As described above, the input files necessary for content generation stored in the site DB 120 are stored in the TFRecord format. This is because it is binary format, which is much faster than regular csv / text files. Content modeling batching uses the queue / dequeue method.

사이트 생성 및 검증부(160)는 구축된 사이트를 가상의 사용자를 이용하여 머신 러닝을 반복적으로 수행하여 발주처의 사용자의 특징에 맞는 사이트를 생성하고 생성한 사이트를 검증하고 검증을 완료한 후에 발주처에 납품할 납품 사이트로 업그레이드한다.The site creation and verification unit 160 repeatedly carries out the machine learning using the virtual user to create a site that matches the characteristics of the user of the client, verifies the generated site and verifies the site, Upgrade to the delivery site to be delivered.

본 발명에서는 발주처의 사용자의 특징에 맞는 즉, 사용자의 니즈에 부합하는 사이트를 생성하기 위해서 사이트 생성 및 검증부(160)는 생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하는 사이트 검증모듈 및 사이트 생성모듈을 추가로 포함한다. In the present invention, in order to create a site that meets the characteristics of the user of the client, that is, a site that meets the needs of the user, the site creation and verification unit 160 includes a site verification module that uses a generative adversarial network (GAN) Generation module.

사이트 검증모듈은 상기 가상의 사용자를 통해 상기 사이트 생성모듈이 생성한 N차 사이트를 검증하고, 사이트 생성모듈은 상기 가상의 사용자가 만족할 N+1차 사이트를 생성하는 과정을 N회 반복하여 상기 N+1차 사이트를 최적의 사이트로 생성한다.The site verification module verifies the N-th site generated by the site creation module through the virtual user, and the site creation module repeats the process of generating the N + 1-th site satisfying the virtual user N times, Create an optimal site for the primary site.

즉, 사이트 검증모듈은 가상의 사용자를 생성하여 사이트 생성모듈이 생성한 사이트를 실제 발주처 사용자처럼 이용하고 사이트 이용 도중에 발견한 버그나 수정이 필요한 사항을 사이트 생성모듈로 알려준다.That is, the site verification module creates a virtual user, uses the site generated by the site creation module as the actual user of the site, and informs the site creation module of the bug or correction that needs to be detected during use of the site.

사이트 생성모듈은 사이트 검증모듈로부터 수신한 버그나 수정이 필요한 사항을 반영하여 이전에 생성한 사이트를 보다 검증된 사이트로 업그레이드한다.The site creation module upgrades the previously created site to a more verified site by reflecting the bugs received from the site verification module or the need for modification.

이러한 사이트 생성모듈이 생성한 사이트를 사이트 검증모듈이 검증하고, 사이트 검증모듈을 통해 검증된 사항을 반영하여 사이트 생성모듈이 이전에 생성한 사이트를 업그레이드한다. 이러한 생성적 적대 신경망 과정을 반복하면 실제 발주처 사용자의 특징과 니즈에 맞는 최적의 사이트를 구축할 수 있다.The site verification module verifies the site generated by the site generation module, and the sites generated by the site generation module are upgraded by reflecting the verified contents through the site verification module. By repeating the process of constructive antagonistic neural network, it is possible to build an optimal site that meets the characteristics and needs of the actual client.

본 발명은 상기한 특정의 바람직한 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 되는 것임은 자명하다.It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims and their equivalents. Obviously, such modifications are intended to be within the scope of the claims.

100 : 프로젝트 통합 관제 시스템
110 : 제안서 DB
120 : 사이트 DB
130 : 제안요청서 분석부
140 : 제안서 작성부
150 : 사이트 딥러닝부
160 : 사이트 생성 및 검증부100: Project integration control system
110: Proposal DB
120: Site DB
130: Proposal Request Analysis Unit
140: proposal writing section
150: Site Deep Running
160: Site creation and verification unit

Claims (8)

발주처의 제안요청서에 포함된 요구사항을 유형별로 분리하고 해당 데이터를 저장하고, 저장된 데이터를 딥 러닝을 이용하여 상기 발주처가 원하는 사이트를 구축 및 관리하는 프로젝트 통합 관제 방법에 있어서,
a) 제안 요청서 분석부에서 상기 제안 요청서를 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB(DATABASE)에 저장하는 단계 - 상기 요구사항은 발주처가 원하는 사이트에 대한 기능 요구사항, 성능 요구사항, 인터페이스 요구사항, 데이터 요구사항, 보안 요구사항, 품질 요구사항 중 하나 이상을 포함함 -;
b) 제안서 작성부에서 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하게 사업수행이 가능한지를 판단하고 사업수행이 가능하다고 판단되는 경우에, 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 단계;
c) 사이트 딥러닝부에서 상기 제안서에 맞게 컨텐츠 모델링을 수행하여 상기 발주처의 사이트를 이용할 사용자의 컨텐츠 클릭 여부를 토대로 한 사용자의 취향에 맞게 컨텐츠를 추출 및 생성하여 발주처의 사용자의 특징에 맞는 컨텐츠를 사이트 DB에서 선별하거나 생성하는 단계; 및
d) 사이트 생성 및 검증부에서 선별/생성된 컨텐츠를 이용하여 상기 발주처의 사용자의 특징에 맞는 사이트를 생성하고 가상의 사용자를 이용하여 머신 러닝을 반복적으로 수행하여 상기 사이트를 생성하고 상기 사이트를 검증하고 검증을 완료한 후에 상기 사이트를 납품 사이트로 업그레이드하는 단계;를 포함하되,
상기 a) 단계는,
상기 제안서가 선정되지 못한 경우에,
해당 제안서의 평가 방법, 배점 기준을 분석하여 해당 제안서가 선정되지 못한 원인을 분석하여 상기 제안서 DB에 저장하고,
상기 b) 단계는 차후에 상기 발주처 또는 상기 제안 요청서와 유사한 사업을 수행하기 위해 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 경우에, 상기 선정되지 못한 원인을 우선적으로 고려하여 상기 제안서를 작성하는 것을 특징으로 하는 프로젝트 통합 관제 방법.
1. A project consolidation control method for separating requirements included in a request for proposal of a procurement by type, storing corresponding data, and building and managing a site desired by the procurement person using deep run of the stored data,
a) reviewing / analyzing the proposal request by the Proposal Request Analyzer and classifying the order requester requested by the procurer by type and storing it in a proposal database (DATABASE), the requirement being a function request Requirements, performance requirements, interface requirements, data requirements, security requirements, and quality requirements;
b) The proposal preparation section judges whether or not the project can be carried out in accordance with the proposal DB by referring to the proposal DB, and if it is judged that the project can be performed, the proposal DB corresponding to the proposal request is prepared ;
c) The site deep-processing unit performs content modeling in accordance with the proposal, extracts and generates content according to the user's preference based on whether the user who uses the site of the procuring party clicks on the content, Selecting or generating from the site DB; And
d) generating a site that matches the characteristics of the user of the client using the selected / generated content in the site creation and verification unit, and repeatedly performing machine learning using the virtual user to generate the site and verify the site And upgrading the site to a delivery site after completing the verification,
The step a)
If the proposal is not selected,
Analyzing the evaluation method and evaluation criteria of the proposal, analyzing the reason why the proposal is not selected, storing it in the proposal DB,
The step b) may further include the step of, when creating a proposal conforming to the proposal request with reference to the proposal DB to perform a business similar to the procurement requester or the proposal request, To the project management system.
삭제delete 청구항 1에 있어서,
상기 제안서 DB는 상기 발주처를 업종별, 기관별, 기능적 요구사항별로 구분하여 분류하여 저장하고 있으며, 사업 수행사의 회사 정보와 인력 정보가 저장되어 있고,
상기 사이트 DB는 사이트 구축에 필요한 데이터가 상기 발주처의 업종별, 기관별, 기능적 요구사항별로 구분되어 저장되어 있는 것을 특징으로 하는 프로젝트 통합 관제 방법.
The method according to claim 1,
The proposal DB classifies and stores the procurement by business type, institution, and functional requirement, stores company information and personnel information of the business number event,
Wherein the site DB stores data necessary for site construction separately for each business type, institution, and functional requirement of the client.
청구항 3에 있어서,
상기 b) 단계는,
상기 제안 요청서의 내용을 사업 수행사의 수행 능력과 비교 분석하여 상기 사업 수행사의 상기 회사 정보, 상기 인력 정보 및 요구 금액이 상기 제안 요청서의 내용에 부합하는 경우에, 상기 발주처의 제안서 포맷에 맞춰 상기 회사 정보 및 상기 인력 정보를 해당 항목에 자동으로 입력하여 상기 제안서를 작성하는 것을 특징을 하는 프로젝트 통합 관제 방법.
The method of claim 3,
The step b)
When the contents of the proposal request are compared with the performance capability of the business number event and the company information, the workforce information, and the requested amount of the business number event meet the contents of the proposal request, And the proposal is created by automatically inputting the company information and the workforce information into the corresponding item.
청구항 3에 있어서,
상기 컨텐츠 모델링은 최근 6개월치의 데이터를 이용하여 상기 발주처의 업종별, 기관별, 요구사항별, 평가항목 데이터별로 상기 사이트 DB의 데이터를 바이너리 데이터 포맷의 일종인 티에프레코드(TFRecord) 파일 포맷의 입력 데이터로 이용하고, 상기 사이트의 DB중 기본 항목 특징인 업종별, 기관별, 요구사항별, 평가항목은 임베딩(Embedding) 처리를 수행하고, 문장 특징인 설명(description)이 요구되는 항목은 순환신경망(RNN : Recurrent Neural Network) 처리를 수행하여 상기 발주처의 사용자의 취향에 맞게 컨텐츠를 추출 및 생성하고 이를 평가 및 모니터링하는 것을 특징으로 하는 프로젝트 통합 관제 방법.
The method of claim 3,
In the content modeling, data of the site DB is sorted into input data of a TFRecord file format, which is a kind of binary data format, by the type of industry, institution, requirement, and evaluation item data of the client for the last six months And the items to be evaluated are required to be embodied in a recurrent network (RNN: Recurrent (RNN)) field, an item to be used as a description of a sentence, And extracting and generating contents according to a preference of the user of the client and evaluating and monitoring the contents.
청구항 4에 있어서,
상기 d) 단계는,
생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하여 사이트 검증모듈 및 사이트 생성모듈을 생성하고, 상기 사이트 검증모듈은 상기 가상의 사용자를 통해 상기 사이트 생성모듈이 생성한 N차 사이트를 검증하고 상기 사이트 생성모듈은 상기 가상의 사용자가 만족할 N+1차 사이트를 생성하는 과정을 N회 반복하여, 상기 N+1차 사이트를 최적의 사이트로 생성하는 것을 특징으로 하는 프로젝트 통합 관제 방법.
The method of claim 4,
The step d)
Generating a site verification module and a site generation module using a generative adversarial network (GAN), wherein the site verification module verifies an N-th site generated by the site generation module through the virtual user, Wherein the site creation module repeats the process of generating the N + 1th site satisfying the virtual user N times to generate the N + 1th site as an optimal site.
발주처의 제안요청서에 포함된 요구사항을 유형별로 분리하고 해당 데이터를 저장하고, 저장된 데이터를 딥 러닝을 이용하여 상기 발주처가 원하는 사이트를 구축 및 관리하는 프로젝트 통합 관제 시스템에 있어서,
발주처의 제안요청서에 포함된 요구사항을 유형별로 분류하여 저장하고, 작성한 제안서 및 상기 작성한 제안서의 항목을 상기 제안요청서에 대응하는 항목별로 매칭하여 저장하고, 상기 발주처를 업종별, 기관별, 기능적 요구사항별로 구분하여 분류하여 저장하고 있으며, 사업 수행사의 회사 정보와 인력 정보가 저장되어 있는 제안서 DB;
상기 사이트 구축에 필요한 데이터가 상기 발주처의 업종별, 기관별, 기능적 요구사항별로 구분되어 저장되어 있는 사이트 DB;
상기 발주처의 상기 제안 요청서를 검토/분석하여 상기 발주처가 요구하는 발주처 요구사항을 유형별로 분류하여 제안서 DB에 저장하는 제안요청서 분석부 - 상기 발주처의 제안요청서에 포함된 요구사항 및 발주처 요구사항은 발주처가 원하는 사이트에 대한 기능 요구사항, 성능 요구사항, 인터페이스 요구사항, 데이터 요구사항, 보안 요구사항, 품질 요구사항 중 하나 이상을 포함함 -;
상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하게 사업수행이 가능한지를 판단하고 사업수행이 가능하다고 판단되는 경우에, 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 제안서 작성부;
상기 제안서에 맞게 컨텐츠 모델링을 수행하여 상기 발주처의 사이트를 이용할 사용자의 컨텐츠 클릭 여부를 토대로 한 사용자의 취향에 맞게 컨텐츠를 추출 및 생성하여 발주처의 사용자의 특징에 맞는 컨텐츠를 상기 사이트 DB에서 선별하거나 생성하는 사이트 딥러닝부; 및
상기 사이트 딥러닝부에서 선별/생성한 컨텐츠를 이용하여 상기 발주처의 사용자의 특징에 맞는 사이트를 구축하고 가상의 사용자를 이용하여 머신 러닝을 반복적으로 수행하여 검증하고 검증이 완료된 사이트를 납품 사이트로 업그레이드하는 사이트 생성 및 검증부;를 포함하되,
상기 제안요청서 분석부는 상기 제안서가 선정되지 못한 경우에 해당 제안서의 평가 방법, 배점 기준을 분석하여 해당 제안서가 선정되지 못한 원인을 분석하여 상기 제안서 DB에 저장하고,
상기 제안서 작성부는 차후에 상기 발주처 또는 상기 제안 요청서와 유사한 사업을 수행하기 위해 상기 제안서 DB를 참조하여 상기 제안 요청서에 부합하는 제안서를 작성하는 경우에, 상기 선정되지 못한 원인을 우선적으로 고려하여 상기 제안서를 작성하는 것을 특징으로 하는 프로젝트 통합 관제 시스템.
A project integration control system for separating requirements included in a request for proposal of a client into types and storing corresponding data and building and managing a site desired by the client using the stored data by deep running,
And stores the generated proposals and the items of the proposals created by matching them in correspondence with the items corresponding to the proposal requests, and stores the proposals corresponding to the proposals by the type of industry, institution, and functional requirement A proposal database storing company information and manpower information of business events;
A site DB in which data necessary for establishing the site is classified and stored according to the type of business, institution, and functional requirement of the client;
A proposal request analyzing unit for reviewing / analyzing the proposal request of the procuring unit and classifying the procurement requirement requested by the procuring unit according to the type and storing the proposal in the proposal DB; the requirements and ordering requirements included in the proposal request of the procuring unit include: Including one or more of the functional requirements, performance requirements, interface requirements, data requirements, security requirements, and quality requirements for the desired site;
A proposal preparation unit for referring to the proposal DB to judge whether or not the project can be performed in conformity with the proposal request form and creating a proposal conforming to the proposal request with reference to the proposal DB when it is determined that the project can be performed;
The content modeling is performed in accordance with the proposal to extract and generate content according to the user's taste based on whether the user who uses the order site clicks the content or not, Site deep running portion; And
A site suitable for the characteristics of the user of the client is constructed using the content selected / created by the site deep-processing unit, the machine learning is repeatedly performed using a virtual user, and the verified site is upgraded to the delivery site And a site creation and verification unit,
If the proposal is not selected, the proposal request analyzer analyzes the evaluation method and the criteria of the proposal to analyze the reason why the proposal is not selected, stores it in the proposal DB,
The proposal creation unit refers to the proposal DB to perform a business similar to the procurement provider or the proposal request, and then, when creating a proposal conforming to the proposal request, The project management system comprising:
청구항 7에 있어서,
상기 사이트 생성 및 검증부는,
상기 가상의 사용자를 통해 상기 사이트를 검증하는 사이트 검증모듈; 및
상기 가상의 사용자가 만족할 사이트를 생성하는 사이트 생성모듈;
을 포함하고 있어,
상기 사이트 검증모듈과 상기 사이트 생성모듈은 생성적 적대 신경망(GAN : Generative Adversarial Network)을 이용하여 서로 경쟁적으로 작용하여 상기 발주처가 원하는 최적의 사이트를 구축하는 것을 특징으로 하는 프로젝트 통합 관제 시스템.The method of claim 7,
Wherein the site creation and verification unit comprises:
A site validation module for validating the site via the virtual user; And
A site creation module for creating a site to be satisfied by the virtual user;
Lt; / RTI >
Wherein the site verification module and the site generation module compete with each other using a generative adversarial network (GAN) to construct an optimal site desired by the client.

Images